AIRegulation-DocAnalysis/README.md

# AI+合规智能中枢 - 法律法规文档解析入库

面向车企与工厂的合规智能平台，实现法规文档的解析、分块、嵌入和向量存储。

## MVP功能

本次实现的核心功能（最小可用版本）：

- ✅ PDF/DOC/DOCX 文档解析（阿里云文档智能）
- ✅ 基于阿里云 `vector_chunks` 的统一切片
- ✅ OpenAI 兼容 embedding（`text-embedding-v3`，1536维）
- ✅ Milvus 向量数据库存储与 dense-only 检索
- ✅ FastAPI接口封装

## 项目结构

```text
AIRegulation-DocAnalysis-Demo/
├── backend/
│   ├── app/
│   │   ├── api/                # FastAPI 接口层
│   │   ├── application/        # 用例编排层
│   │   ├── domain/             # 领域模型与稳定端口
│   │   ├── infrastructure/     # MinIO / Milvus / 阿里云 / embedding / session 适配
│   │   ├── config/             # 配置与日志
│   │   └── workers/
│   ├── requirements.txt
│   └── main.py
├── frontend/                   # Vite React 前端
├── tests/                      # 根级测试，导入 backend/app
├── docker/
│   └── docker-compose.yml
├── pyproject.toml
└── .env.example
```

## 快速开始

### 1. 安装依赖

```bash
./dev.sh setup
```

### 2. 启动Milvus向量数据库

```bash
cd docker
docker-compose up -d
```

等待Milvus启动完成（约30秒）：
```bash
docker-compose logs -f milvus
```

### 3. 启动API服务

```bash
./dev.sh start api --foreground
```

访问API文档：http://localhost:8000/docs

## API接口

### 上传文档

```bash
curl -X POST http://localhost:8000/api/v1/documents/upload \
  -F "file=@your_regulation.pdf" \
  -F "doc_name=GB 7258-2017" \
  -F "regulation_type=车辆安全"
```

### 检索法规

```bash
curl -X POST http://localhost:8000/api/v1/knowledge/search \
  -H "Content-Type: application/json" \
  -d '{"query": "机动车安全技术要求", "top_k": 10}'
```

## 技术栈

| 类别 | 技术 |
|------|------|
| 文档解析 | 阿里云文档智能 + python-docx |
| 分块策略 | 阿里云 `vector_chunks` |
| 嵌入模型 | `text-embedding-v3`（1536维 Dense） |
| 向量数据库 | Milvus 2.4（本地Docker部署） |
| 检索方式 | Dense-only 检索 |
| API框架 | FastAPI |

## 配置

创建 `.env` 文件（参考 `.env.example`）：

```env
# Milvus配置
MILVUS_HOST=localhost
MILVUS_PORT=19530

# 阿里云文档解析
ALIBABA_ACCESS_KEY_ID=your_aliyun_access_key_id
ALIBABA_ACCESS_KEY_SECRET=your_aliyun_access_key_secret
PARSER_BACKEND=aliyun
CHUNK_BACKEND=aliyun

# embedding 配置
EMBEDDING_MODEL=text-embedding-v3
EMBEDDING_DIM=1536
EMBEDDING_API_KEY=your_embedding_api_key_here

# 分块配置
CHUNK_SIZE=512
```

## 后续迭代（不在本次MVP范围）

- LLM摘要生成（当前上传主链路默认不生成）
- 文档上传UI界面
- 混合检索问答功能
- 法规变更监控与自动更新

## 解析产物

上传成功后，系统会把阿里云解析的中间结果持久化到 MinIO：

- `artifacts/{doc_id}/layouts.json`
- `artifacts/{doc_id}/structure_nodes.json`
- `artifacts/{doc_id}/semantic_blocks.json`
- `artifacts/{doc_id}/vector_chunks.json`

当前默认 Milvus collection 为 `regulations_dense_1536_v2`。

## 许可证

MIT License